首页 > AI教程 >最强AI程序员84秒跑通代码，像人一样思考，团队仅5人

最强AI程序员84秒跑通代码，像人一样思考，团队仅5人

来源：互联网 2026-07-03 06:19:01

AI资讯合集

Genie在SWE-Bench基准测试中以百分之三十点零七解决率夺冠，领先第二名十九点二七个百分点。它模仿人类工程师的认知过程，八十四秒即可跑通代码，背后是仅五人的Cosine团队，通过数百万次人类编程数据训练而成。

继Devin之后，又一款AI软件工程师Genie引发广泛关注。

Genie主打“地表最强”AI软件工程师，其最大亮点在于已具备类似人类的思考与行动能力。那么，这款“最强”AI究竟有多强？

从硬指标看，在权威榜单SWE-Bench（专为评估大模型解决实际软件问题能力的基准测试）上，Genie以30.07%的解决率位居榜首，领先第二名19.27个百分点，相当于将当前最优水平（SOTA）提升了57%，这一增幅在业内堪称断层式领先。

用团队自己的话来说，Genie的核心能力是：像人类工程师一样，解决现实生活中的真实软件问题。

它支持四种启动方式：提示词、GitHub Issue、Linear Ticket或API。以最常见的“解决GitHub Issue”为例，用户只需提供代码仓库链接，Genie便会自动拆解问题。整个过程大致如下：

首先，Genie会自行迭代思考，明确解决问题所需的文件，直到认为收集充分。随后，它自动对问题进行迭代分析，接着快速编写代码并运行。如果运行中遇到bug，不会从头开始，而是精准定位问题所在，再次分析、编写代码并运行，直至全部通过。

关键数据是，从拿到仓库链接到跑通代码，整个过程仅耗时84秒。

团队透露，Genie已观察并学习人类程序员解决软件问题的次数达到数百万次级别，这一训练量是任何人类程序员终其一生都无法企及的。

更令人意外的是，Genie背后的团队——Cosine，仅有5名成员。CEO Alistair甚至专门发文感谢OpenAI，称“没有你们，我们做不出来Genie”。

01 最强AI工程师是如何炼成的？

Genie的核心卖点在于能够模仿人类工程师的认知过程、逻辑和工作流。

为实现这一目标，Genie团队在过去一年收集了一个包含真实人类程序员开发活动的大数据集。该数据集不仅涵盖成果分析、静态分析、自我对弈、逐步验证等方法论，还利用了基于大量标记数据训练的AI模型。随着基础模型能力提升，可提取的数据质量也随之提高。

最终，Genie使用这个专有数据集进行训练。该数据集将人类推理的完整过程编码其中，包括完美的信息溯源、增量式知识发现，以及基于软件工程师实际工作案例的逐步决策过程。

Genie的推理过程遵循四个步骤：规划、检索、代码编写、代码运行。这突破了其他AI工程师依赖在基础模型上叠加网页浏览器、代码解释器等额外工具的局限，真正实现了像人一样处理多样化、高度依赖上下文甚至前所未见的问题。

这种训练思路令不少网友联想到Karpathy此前提出的观点：对大语言模型而言，理想的训练数据不是最终输出内容，而是写作过程中的完整思考轨迹和每个编辑动作。当然，现实中只能尽力用好现有资源。

除数据外，Genie的训练还引入了一套自我改进机制。最初期训练数据大多是能正常运行的“完美代码”，导致Genie一遇错误就束手无策。为弥补这一短板，团队用初代Genie生成带有错误的合成数据，再用这些“有问题”的数据训练下一版模型。具体做法是：让旧版本Genie提出解决方案，如果方案错误，便利用它已掌握的任务最终状态，教会它如何从错误状态调整到正确状态。

该迭代过程不断重复，Genie给出的初始方案越来越准，多数情况下直接给出正确答案，即使出错，需要修正的工作量也大幅减少。

Genie能力提升的另一大推手是OpenAI提供的大模型支持。团队回忆，早期开发Genie时，只能访问微调16-32k范围内的短上下文模型，他们用这些模型做了大量早期试验，使用超过1亿个token的数据进行训练。虽然设计的架构有一定优势，但根本仍受限于模型在特定时间内能处理的信息量。

尝试过各种压缩和分块方法后，唯一的出路就是使用更大上下文的模型。OpenAI提供的长上下文模型成为关键助力，最新版本的Genie经过数十亿token的数据训练。

值得一提的是，团队认为相比调整超参数或堆数据量，数据质量才是胜负手。因此他们在数据混合上投入大量实验，从语言、任务类型到任务长度等多个维度反复调试。以下分别是训练Genie时不同编程语言数据的占比，以及不同类型实例的数据占比：

最强AI程序员84秒跑通代码，像人一样思考，团队仅5人